Se ha escrito mucho sobre pronósticos y la necesidad de mejorar su precisión. A pesar de nuestros mejores esfuerzos, el hecho es que mejorar la precisión del pronóstico sigue siendo un objetivo difícil de alcanzar y lograr niveles de precisión del 80% en la combinación granular de producto y geografía, sigue siendo el santo grial.
Los avances recientes en modelos estadísticos sofisticados, Big Data y aprendizaje automático (Machine Learning) definitivamente ayudarán a hacer mejores pronósticos en el futuro en un entorno prístino. Al mismo tiempo, es igualmente importante investigar por qué los pronósticos eventualmente resultan ser sustancialmente diferentes de la demanda real a pesar de nuestros mejores esfuerzos e intenciones.
Si bien las acciones de los competidores continuarán siendo impredecibles, lo que dificultará el pronóstico de la demanda real, este factor permanece fuera del control de la organización. Lo más importante es controlar los otros factores internos que nos impiden hacer pronósticos más precisos.
Razones principales que alejan los pronósticos de la realidad
En mi opinión, hay tres razones principales dentro del control de una organización que alejan los pronósticos de la realidad. Comprender estos factores nos llevará a la dirección correcta de la solución.
- 1. El pronóstico se realiza con poca frecuencia. Muchas compañías de bienes de consumo siguen operando con pronósticos mensuales, mientras que las nuevas señales de demanda ahora están disponibles diariamente. La práctica del pronóstico mensual comenzó cuando los datos confiables a nivel granular solo podían recopilarse una vez al mes. Hemos progresado a pasos agigantados en términos de recopilación de datos de ventas granulares confiables a una frecuencia diaria , sin embargo, el pronóstico aún se realiza mensualmente.
- 2. El pronóstico se hace con demasiada anticipación. Las compañías generalmente pronostican unas tres o cuatro semanas antes del comienzo del primer período de pronóstico. Producirían estimaciones para los próximos tres a seis meses e incluso lanzarían un pronóstico de doce meses a veces. Si bien ayuda en la planificación de la capacidad de corte crudo (rough cut capacity) y en el pedido de artículos con un tiempo de espera prolongado, no necesita hacerse con gran detalle. Dado que las nuevas señales y patrones de demanda ahora están disponibles a diario, definitivamente perdemos muchas señales importantes cuando pronosticamos con tanta anticipación.
- 3. Los pronósticos a menudo se usan para medir el desempeño de las ventas. Muchas empresas aún se centran en el logro de pronósticos, mientras que las mediciones deberían realizarse en función del crecimiento de las ventas y la cuota de mercado. Si los incentivos y la progresión profesional están vinculados al logro previsto, se convierte en un número político, negociado entre el equipo de ventas y la alta dirección. La alta gerencia busca proporcionar una extensión al equipo de ventas y lanza un pronóstico más alto que la demanda estimada. El equipo de ventas, por otro lado, quiere jugar de manera segura y quiere un pronóstico más bajo que la demanda. El pronóstico final depende de quién prevalezca al final. En cualquier caso, la pelea lo aleja de la realidad.
Si los equipos de la cadena de suministro deben utilizar los pronósticos para mover las existencias a varias ubicaciones, es imperativo que eliminemos estas tres deficiencias.
Las últimas señales de demanda deben procesarse para actualizar el pronóstico diariamente, mejorando así la frecuencia de los pronósticos. Tener en cuenta las últimas señales significaría que las señales de hoy cambiarán el pronóstico de mañana, lo que soluciona el problema de pronosticar con demasiada anticipación. Mi recomendación final sería eliminar el toque humano de la previsión y procesar las señales de demanda de una manera prístina sin ningún sesgo subjetivo. Deje que el patrón de señales de demanda decida cuál debería ser el pronóstico.
El proceso de reabastecimiento basado en la teoría de restricciones tiene estas tres recomendaciones firmemente integradas. Si la heurística diseñada adecuadamente pudiera convertir las señales de demanda en áreas de acción para los equipos de la cadena de suministro, ¿Deberíamos incluso dedicar nuestros esfuerzos a pronosticar la demanda a un nivel tan granular?
Por: Dr. Rakesh Sinha – Global Head – Supply Chain, Manufacturing & IT at Godrej Consumer Products Limited.
Traducción Libre de Javier Arévalo – Goldratt Consulting Partner Latin America
Para conocer más acerca de los casos de aplicación de teoría de restricciones lideradas por Goldratt Consulting:
Goldratt Consulting América Latina
Javier Arevalo
Me apasiona trabajar con empresas y clientes para ayudarles a desbloquear su productividad mediante el aprendizaje y la aplicación de la teoría de restricciones y el enfoque de sistemas. He desarrollado mi experiencia trabajando en estrecha colaboración con el Dr. Goldratt en el pasado y mis colegas del grupo Goldratt durante más de quince años. Soy socio y miembro fundador de Goldratt Consulting, donde he desarrollado mis habilidades en TOC Estrategia & Tácticas, Procesos de Negocio, Planeación, Gerencia de Operaciones, Cadena de Suministros, Retail, Gerencia de Proyectos y Ambientes complejos.
Goldratt Consulting América Latina